Metadatenzugriff API (JSON)
Das Bundesamt für Statistik stellt wöchentlich erfasste Todesfallzahlen zur Verfügung.
Todesfälle nach Fünf-Jahres-Altersgruppe, Geschlecht, Woche und Kanton (CSV-Datei) - opendata
Die Todesfälle werden täglich den Zivilstandsämtern gemeldet und dem BFS im Rahmen der Statistik der natürlichen Bevölkerungsbewegung (BEVNAT) mitgeteilt. Der Melde- und Verarbeitungsprozess dauert in der Regel neun Tage.
Die Referenzbevölkerung ist die ständige Wohnbevölkerung, d.h. die Personen mit ständigem Wohnsitz in der Schweiz. Todesfälle von Personen mit Wohnsitz in der Schweiz, die sich im Ausland ereignet haben, werden gezählt.
Weitere Informationen vom Statistikamt :
Todesfälle nach Fünf-Jahres-Altersgruppe, Geschlecht, Woche und Kanton (CSV-Datei)
| TIME_PERIOD | GEO | AGE | SEX | Obs_status | Obs_value |
|---|---|---|---|---|---|
| 2009-W14 | CH061 | _T | F | NA | 28 |
| 2009-W50 | CH066 | _T | M | NA | 6 |
| 2013-W28 | CH033 | Y75T79 | M | NA | 3 |
| 2012-W41 | CH055 | Y75T79 | T | NA | 7 |
| 2019-W49 | CH024 | Y65T69 | F | NA | 1 |
| 2009-W23 | CH062 | Y_GE90 | T | NA | 1 |
| 2015-W13 | CH040 | _T | M | NA | 112 |
| 2018-W39 | CH057 | Y55T59 | M | NA | 1 |
| 2004-W36 | CH025 | Y70T74 | T | NA | 1 |
| 2012-W35 | CH061 | _T | F | NA | 37 |
| Datum | Status | Text |
|---|---|---|
| 2020-06-10 03:18:49 | I | END Plausibilisierung |
| 2020-06-10 03:18:49 | I | ../data/neu_todesfaelle_woche.csv umbenannt in ../data/todesfaelle_woche.csv |
| 2020-06-10 03:18:49 | I | ../data/todesfaelle_woche.csv umbenannt in ../data/arc_todesfaelle_woche.csv |
| 2020-06-10 03:18:49 | I | ..in ../data/diff.csv geschrieben ! |
| 2020-06-10 03:18:49 | I | Differenzen in 418 Zeilen mit 1201 Todesfällen .. |
| 2020-06-10 03:18:48 | I | ..2020-W21 mit 1084 Todesfälle |
| 2020-06-10 03:18:48 | I | ..2020-W20 mit 39 Todesfälle |
| 2020-06-10 03:18:48 | I | ..2020-W19 mit 8 Todesfälle |
| 2020-06-10 03:18:48 | I | ..2020-W18 mit 12 Todesfälle |
| 2020-06-10 03:18:48 | I | ..2020-W17 mit 6 Todesfälle |
| 2020-06-10 03:18:48 | I | ..2020-W16 mit 7 Todesfälle |
| 2020-06-10 03:18:48 | I | ..2020-W15 mit 4 Todesfälle |
| 2020-06-10 03:18:48 | I | ..2020-W14 mit 5 Todesfälle |
| 2020-06-10 03:18:48 | I | ..2020 mit 1197 Todesfälle |
| 2020-06-10 03:18:48 | I | ..2019 mit 4 Todesfälle |
| 2020-06-10 03:18:48 | I | Validatortabellen erstellt … |
| 2020-06-10 03:18:48 | I | Referenztabellen erstellt … |
| 2020-06-10 03:18:48 | I | ../data/neu_todesfaelle_woche.csv gelesen 741606 Zeilen und 9 Spalten |
| 2020-06-10 03:18:47 | I | ../data/todesfaelle_woche.csv gelesen 740939 Zeilen und 9 Spalten |
| 2020-06-10 03:18:45 | I | START Plausibilisierung |
| 2020-06-10 03:18:45 | I | END Download |
| 2020-06-10 03:18:45 | I | ..CSV in ../data/neu_todesfaelle_woche.csv geschrieben ! |
| 2020-06-10 03:18:30 | W | …./data/neu_todesfaelle_woche.csv wird überschrieben ! |
| 2020-06-10 03:18:30 | I | URL download lesen … |
| 2020-06-10 03:18:30 | I | ..API in ../data/api.csv geschrieben ! |
| 2020-06-10 03:18:30 | I | . Todesfälle nach Fünf-Jahres-Altersgruppe, Geschlecht, Woche und Kanton (CSV-Datei) vom 2020-06-04T22:45:57.455517 |
| 2020-06-10 03:18:29 | I | Rest API lesen … |
| 2020-06-10 03:18:29 | I | START Download |
---
title: "Mortalitätsmonitoring Schweiz"
knit: (function(input_file, encoding) {
out_dir <- '_book';
if (!dir.exists(out_dir)) dir.create(out_dir);
rmarkdown::render(input_file,
encoding=encoding,
output_file=file.path(dirname(input_file), out_dir, 'index.html'))})
output:
flexdashboard::flex_dashboard:
orientation: rows
social: menu
source_code: embed
---
```{r setup, include=FALSE}
library(dygraphs)
library(dplyr)
library(readr)
source('../R/badgelinks.R')
```
Row
---------------------------------------------------
### Zeitreihe 2000 bis 2020
```{r}
# read data with dyfun and convert to timeseries
source('momodyfun.R')
# select timeseries by canton
ktlist <- c('CH','ZH','BE','VD','TI')
dft1 <- dyfun('../data/todesfaelle_woche.csv', '../data/grossregionCH.csv') %>%
filter(kt %in% ktlist) %>%
count(kt,date, wt=value, name='value') %>%
split(.$kt)
dft2 <- dft1[ktlist]
tslist <- lapply(dft2, function(x) {
xts::xts(x$value, order.by = x$date)
})
tss <- do.call(cbind,tslist)
dygraph(tss, main = "Todesfälle Schweiz") %>%
dyOptions(stepPlot = T) %>%
dyHighlight(highlightCircleSize = 5,
highlightSeriesBackgroundAlpha = 0.2,
hideOnMouseOut = FALSE) %>%
dyRangeSelector(dateWindow = c("2013-07-01", as.character(last(dft1[[1]]$date)))) %>%
dyEvent("2020-3-17", "Lockdown", labelLoc = "bottom")
```
Row {.tabset .tabset-fade}
---------------------------------------------------
### Dokumentation
`r badge`
> Metadatenzugriff [API (JSON)](https://norman-ds.github.io/momo/json.json)
***
**Das Bundesamt für Statistik stellt wöchentlich erfasste Todesfallzahlen zur Verfügung.**
Todesfälle nach Fünf-Jahres-Altersgruppe, Geschlecht, Woche und Kanton (CSV-Datei) - [opendata](https://opendata.swiss/de/dataset/todesfalle-nach-funf-jahres-altersgruppe-geschlecht-woche-und-kanton-csv-datei6)
Die Todesfälle werden täglich den Zivilstandsämtern gemeldet und dem BFS im Rahmen der Statistik der natürlichen Bevölkerungsbewegung (BEVNAT) mitgeteilt. Der Melde- und Verarbeitungsprozess dauert in der Regel neun Tage.
Die Referenzbevölkerung ist die ständige Wohnbevölkerung, d.h. die Personen mit ständigem Wohnsitz in der Schweiz. Todesfälle von Personen mit Wohnsitz in der Schweiz, die sich im Ausland ereignet haben, werden gezählt.
Weitere Informationen vom Statistikamt :
- [Todesfälle](https://www.bfs.admin.ch/bfs/de/home/statistiken/bevoelkerung/geburten-todesfaelle/todesfaelle.html)
- [Sterblichkeit, Todesursachen](https://www.bfs.admin.ch/bfs/de/home/statistiken/gesundheit/gesundheitszustand/sterblichkeit-todesursachen.html)
- [Mortalitätsmonitoring (MOMO)](https://www.experimental.bfs.admin.ch/de/momo.html)
### Todesfälle Schweiz (Auszug)
Todesfälle nach Fünf-Jahres-Altersgruppe, Geschlecht, Woche und Kanton (CSV-Datei)
```{r}
read_csv2('../data/todesfaelle_woche.csv') %>%
sample_n(10) %>%
knitr::kable()
```
### Wöchentlicher Nachtrag
```{r}
dfdiff <- read_csv2('../data/diff.csv')
DT::datatable(dfdiff, class = 'cell-border stripe')
```
### Logdatei
```{r}
read_csv2('../data/log.csv', col_names = F) %>%
purrr::map_df(rev) %>%
knitr::kable(col.names = c('Datum','Status','Text'))
```